論文の概要: "I don't know anything about laptops!" - User Perception of Digital Product Advisors Adapting to Their Knowledge Levels

• arxiv url: http://arxiv.org/abs/2608.06091v1
• Date: Thu, 06 Aug 2026 14:31:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.775365
• Title: "I don't know anything about laptops!" - User Perception of Digital Product Advisors Adapting to Their Knowledge Levels
• Title（参考訳）: 「ラップトップについて何も知らない!」-その知識レベルに適応したデジタル製品アドバイザのユーザ認識
• Abstract要約: 本研究では,ドメイン知識の異なるユーザに対して,複雑な製品情報の提示を適応させる戦略について検討する。 初級者にとって、説明を伴うアプローチ(TE, TCE)はより有用であると認識され、無力者よりも高い認識の学習につながった。 これらの知見を,技術領域における包括的テキストベース製品アドバイザのための4つの具体的な設計ガイドラインに抽出する。
• 参考スコア（独自算出の注目度）: 3.0098885383612113
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational commerce uses digital assistants to support the search process and decision-making in e-commerce. Effective communication in these interactions can be facilitated by assistants adapting their communication style to users and supporting shared understanding. An open challenge in this context is adapting the presentation of complex product information to users with varying levels of domain knowledge. To investigate strategies for such knowledge-level adaptation, we set up a chatbot-assisted laptop search scenario. In a between-subjects experiment (n = 251), we examined novice and expert perceptions of product attribute recommendations presented as technical information only (T), or augmented with performance categories (TC), attribute explanations (TE), or both (TCE). For novices, approaches with explanations (TE, TCE) were perceived as more helpful and led to higher perceived learning than those without. Novices also rated the combined approach (TCE) more appropriate than the baseline (T) and TC in terms of information quantity, indicating that explanations are crucial to understand and benefit from performance categories. Critically, experts showed no significant differences across conditions, suggesting that providing supplementary information beneficial to novices did not detract from their experience. We distill these findings into four concrete design guidelines for inclusive text-based product advisors in technical domains: use TCE by default; keep a single inclusive interface; avoid standalone categories; and support user agency and personalize to the stated use case.
• Abstract（参考訳）: 会話型コマースは、eコマースにおける検索プロセスと意思決定をサポートするためにデジタルアシスタントを使用する。 これらのインタラクションにおける効果的なコミュニケーションは、ユーザへのコミュニケーションスタイルの適応と共有理解の支援によって促進される。 この文脈におけるオープンな課題は、さまざまなレベルのドメイン知識を持つユーザに複雑な製品情報の提示を適用することです。 このような知識レベル適応の戦略を検討するため,チャットボットを利用したノートパソコン検索シナリオを構築した。 対象間比較実験(n = 251)において,技術情報のみ(T)として提示される製品属性推薦の初歩的・専門的な認識,あるいはパフォーマンスカテゴリ(TC),属性説明(TE),あるいはその両方(TCE)で拡張された製品属性推薦について検討した。 初級者にとって、説明を伴うアプローチ(TE, TCE)はより有用であると認識され、無力者よりも高い認識の学習につながった。 初心者は、情報量の観点から、ベースライン(T)とTCよりも、組み合わせたアプローチ(TCE)を適当と評価し、説明がパフォーマンスカテゴリの理解と利益に不可欠であることを示唆した。 批判的に、専門家は条件によって有意な違いは見られず、幼児に有益な補足的情報を提供することは、経験から逸脱しないことが示唆された。 これらの知見を,技術領域における包括的テキストベースの製品アドバイザのための4つの具体的設計ガイドラインに抽出する。TCEをデフォルトで使用すること,単一の包括的インターフェースを維持すること,スタンドアローンのカテゴリを避けること,ユーザエージェンシーをサポートし,そのユースケースにパーソナライズする。

関連論文リスト

• Flippi: End To End GenAI Assistant for E-Commerce [1.3060095849496556]
  本稿では,大規模言語モデル(LLM)を利用した最先端の対話アシスタントFlippiを紹介する。 Flippiは、広大な、そしてしばしば圧倒的なプロダクトの状況によってもたらされる課題に対処する。 Flippiは、目的と主観の両方のユーザ要件を調節することによって、パーソナライズされたショッピング体験を提供する。
  論文  参考訳（メタデータ） (2025-07-08T08:50:47Z)
• Data Therapist: Eliciting Domain Knowledge from Subject Matter Experts Using Large Language Models [25.633548292173643]
  Data Therapistは、ドメインの専門家が混合開始プロセスを通じて暗黙の知識を外部化するのを助けるWebベースのシステムである。 得られた構造化知識ベースは、人間と自動化された可視化設計の両方に通知することができる。
  論文  参考訳（メタデータ） (2025-05-01T11:10:17Z)
• Introducing User Feedback-based Counterfactual Explanations (UFCE) [49.1574468325115]
  対実的説明(CE)は、XAIで理解可能な説明を生成するための有効な解決策として浮上している。 UFCEは、アクション可能な機能のサブセットで最小限の変更を決定するために、ユーザー制約を含めることができる。 UFCEは、textitproximity(英語版)、textitsparsity(英語版)、textitfeasibility(英語版)の2つのよく知られたCEメソッドより優れている。
  論文  参考訳（メタデータ） (2024-02-26T20:09:44Z)
• Knowledge Graphs and Pre-trained Language Models enhanced Representation Learning for Conversational Recommender Systems [58.561904356651276]
  本稿では,対話型推薦システムのためのエンティティの意味理解を改善するために,知識強化型エンティティ表現学習(KERL)フレームワークを紹介する。 KERLは知識グラフと事前訓練された言語モデルを使用して、エンティティの意味的理解を改善する。 KERLはレコメンデーションとレスポンス生成の両方のタスクで最先端の結果を達成する。
  論文  参考訳（メタデータ） (2023-12-18T06:41:23Z)
• SEOpinion: Summarization and Exploration Opinion of E-Commerce Websites [0.0]
  本稿では,SEOpinion(Summa-rization and Exploration of Opinion)と呼ばれる方法論を提案する。 テンプレートの情報と顧客のレビューの組合せを2つの主要なフェーズで組み合わせることで、製品面の要約を提供し、それらに対する意見を示す。 本稿では,Deep LearningベースのBERT技術の適用可能性をテストするため,ノートパソコン用EC Webサイトのトップ5から情報を収集してコーパスを作成する。
  論文  参考訳（メタデータ） (2023-12-12T15:45:58Z)
• Knowledge-Aware Prompt Tuning for Generalizable Vision-Language Models [64.24227572048075]
  本稿では,視覚言語モデルのためのKnowledge-Aware Prompt Tuning(KAPT)フレームワークを提案する。 我々のアプローチは、人間の知性からインスピレーションを得ており、外部知識は、通常、オブジェクトの新たなカテゴリを認識するために組み込まれています。
  論文  参考訳（メタデータ） (2023-08-22T04:24:45Z)
• CONA: A novel CONtext-Aware instruction paradigm for communication using large language model [5.541394125760629]
  本稿では,生成事前学習型トランスフォーマ(GPT)モデルを用いた,効果的な知識伝達のためのコンテキスト認識型命令パラダイムを提案する。 ConAは、LLM(Large Language Models)の機能を活用するように設計されたフレキシブルなフレームワークである。 我々は,GPT4を用いた様々な分野の教材とともに,様々なオーディエンスの役割について実験を行った。
  論文  参考訳（メタデータ） (2023-05-26T00:53:18Z)
• Justification of Recommender Systems Results: A Service-based Approach [4.640835690336653]
  本稿では,サービスモデルを用いて商品とのインタラクションのすべての段階に関するレビューから経験データを抽出する,新たな正当化手法を提案する。 ユーザスタディでは,提案手法を,推奨システムの結果の正当性を反映したベースラインと比較した。 我々のモデルは、好奇心のレベルが異なるユーザや、認知の必要度(NfC)の低いユーザによって、より高いインタフェース適合度と満足度の評価を受けた。 これらの知見は、推薦システムの結果を正当化するためのサービスモデルの導入を奨励するが、多様なインタラクションニーズに適合するパーソナライズ戦略の調査を推奨する。
  論文  参考訳（メタデータ） (2022-11-07T11:08:19Z)
• KnowledgeCheckR: Intelligent Techniques for Counteracting Forgetting [52.623349754076024]
  KnowledgeCheckRに統合された推奨アプローチの概要を提供します。 その例としては,将来的に繰り返される学習内容の識別を支援するユーティリティベースのレコメンデーション,セッションベースのレコメンデーションを実装するための協調フィルタリングアプローチ,インテリジェントな質問応答を支援するコンテントベースのレコメンデーションなどがある。
  論文  参考訳（メタデータ） (2021-02-15T20:06:28Z)
• Reasoning over Vision and Language: Exploring the Benefits of Supplemental Knowledge [59.87823082513752]
  本稿では,汎用知識基盤(KB)から視覚言語変換器への知識の注入について検討する。 我々は複数のタスクやベンチマークに対する様々なkbの関連性を実証的に研究する。 この技術はモデルに依存しず、最小限の計算オーバーヘッドで任意の視覚言語変換器の適用可能性を拡張することができる。
  論文  参考訳（メタデータ） (2021-01-15T08:37:55Z)
• Expertise Style Transfer: A New Task Towards Better Communication between Experts and Laymen [88.30492014778943]
  そこで我々は,手動で注釈付きデータセットを手動で提供し,専門的なスタイルの転送を行う新しいタスクを提案する。 このタスクの解決は、プロの言語を単純化するだけでなく、レイメンの記述の正確さと専門性の向上にも寄与する。 スタイル転送とテキスト単純化のための5つの最先端モデルのベンチマーク性能を確立する。
  論文  参考訳（メタデータ） (2020-05-02T04:50:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。